自然な条件での音声感情認識を競うInterspeech 2025チャレンジの優勝システムは、実際のポッドキャスト音声で8種類の感情全体のマクロF1がわずか0.4316にとどまった。一方、ベンチマークされた10モデルのうち最良のものは、演技コーパスのRAVDESSで非加重正解率75.32%を記録している（EmoBoxベンチマーク、Interspeech 2024）。同じ乖離は臨床の音声研究にも見られる。深層学習モデルは音声からのうつ病検出で統合感度0.83に達するものの（Lu ら、BMC Psychiatry 2025）、メンタルヘルスの音声研究68件のうち独立したデータセットでモデルを検証したのは2件にすぎない（Uy ら、Frontiers in Digital Health 2026）。一方で、テレセラピーはすでに日常的なものになっている。2025年には米国の成人の12.3%、つまり32.6百万人が遠隔医療でメンタルヘルス治療を受けた（SAMHSA、2025 NSDUH）。本稿では、MSP Labのチャレンジのリーダーボード、EmoBoxとParaLBenchのベンチマーク、BMC Psychiatry、Annals of Family Medicine、JMIR、SAMHSA、FAIR Health、CDC NCHS、米国心理学会、そしてEUのAI規則の条文からデータを集約した。音声による健康研究のうち認知症に関する分野については、別のまとめアルツハイマー病と認知機能障害の音声バイオマーカーをご覧ください。
このページは研究結果のみを報告するものです。医学的助言ではなく、ここで説明するいかなるツールも、資格を持つ臨床医による評価に代わるものではありません。
主なポイント
- 8クラスの自然な音声感情認識における最高のマクロF1は0.4316で、ベースラインは0.3293だった（MSP Lab、Interspeech 2025 SERチャレンジのリーダーボード）。
- 最良のモデルは、演技音声のRAVDESSでは非加重正解率75.32%に達したが、MSP-Podcastでは22.24%だった（EmoBoxベンチマーク、Interspeech 2024）。
- MSP-Podcastの267,905件の発話ターンのうち17.98%で、主要な感情について評価者間の一致がなかった（Busso ら、MSP-Podcastコーパス 2025）。
- 人間の聞き手がRAVDESSの音声で演技された感情を正しく識別した割合は0.63だった（Livingstone と Russo、PLOS ONE 2018）。
- 音声からの深層学習によるうつ病検出は、16件の研究で統合感度0.83、特異度0.86だった（Lu ら、BMC Psychiatry 2025）。
- 成人14,898人（うち検証4,456人）で調べられた音声ツールは、中等度から重度のうつ病に対して感度71.3%、特異度73.5%に達した（Mazur ら、Annals of Family Medicine 2025）。
- 音声によるメンタルヘルス研究68件のうち、独立またはデータセット間の検証を用いたのは2件だけだった（Uy ら、Frontiers in Digital Health 2026）。
- 2025年には、何らかの精神疾患がある米国の成人の32.8%が遠隔医療で治療を受けた（SAMHSA、2025 NSDUH）。
- 2026年第1四半期には、民間保険加入の遠隔医療患者の52.1%にメンタルヘルスの診断があった（FAIR Health、Quarterly Telehealth Regional Tracker 2026）。
- 職場と学校での感情推定を禁じるEUのAI規則の規定は、2025年2月2日から適用されている（規則（EU）2024/1689）。
- 2025年には米国の心理士の29%が少なくとも月1回AIを使用しており、2024年の11%から増えた（APA、2025 Practitioner Pulse Survey）。
1. 標準的な感情コーパスでのベンチマーク精度
この節では3つの指標が繰り返し登場する。非加重正解率（UA）は各感情クラスのヒット率を平均するため、すべての感情が等しく扱われる。加重正解率（WA）は正解の単純な割合であり、最も多い感情を当てたモデルが有利になる。マクロF1はクラス間のバランスを取った類似の指標で、誤検出にもペナルティを課す。
演技または厳密に統制されたコーパスでは、最良のモデルのスコアは73.54%のUA（IEMOCAP）から84.62%のUA（ESD）の間に収まる。事前学習済みの10モデルのうち最良のものは、ESDコーパスでUA 84.62%だったが、実際のポッドキャスト音声のコーパスであるMSP-PodcastではUA 22.24%にとどまった（EmoBoxベンチマーク、Interspeech 2024）。MSP-Podcastでは、同じモデルの加重正解率は非加重正解率のおよそ2倍で、これは頻出する感情には強く、まれな感情には弱いことを示している。したがって、演技コーパスの見出しとなる精度の数字は、電話の通話や心理療法のセッションでシステムがどう振る舞うかについてほとんど何も教えてくれない。データセットごとの完全な表はEmoBox論文にある。
| 指標 | 値 | 出典 |
|---|---|---|
| 10モデル（Whisper large v3）の最高UA：IEMOCAP（演技による二者対話）とRAVDESS（演技音声） | 73.54%と75.32% | EmoBox（Ma ら）、Interspeech 2024 |
| RAVDESSコーパス：プロの俳優と音声ファイル | 俳優24人（女性12人、男性12人）、音声ファイル1,440件 | Livingstone と Russo、RAVDESS Zenodoレコード 2018 |
| CREMA-DとESD（演技コーパス）の最高UA | 76.75%と84.62% | EmoBox（Ma ら）、Interspeech 2024 |
| MSP-Podcast（自然なポッドキャスト音声）の最良モデル：UA対WA | 22.24%対44.10% | EmoBox（Ma ら）、Interspeech 2024 |
| MELD（テレビドラマの対話）の最良モデル：UA対WA | 31.54%対51.89% | EmoBox（Ma ら）、Interspeech 2024 |
| IEMOCAPの4クラス感情、音響基盤モデル14種の中での最高UA（Whisper-large） | 0.690 | ParaLBenchベンチマーク、arXiv 2411.09349（2024） |
| IEMOCAPの4クラス感情、WavLM-largeのUA | 0.685 | ParaLBenchベンチマーク、arXiv 2411.09349（2024） |
| IEMOCAPコーパスの規模 | 約12時間の視聴覚データ | USC SAIL Lab、IEMOCAPデータベースのページ |
背景：EmoBoxは14言語の32の感情データセットを対象としている。コーパスごとに感情クラスの数や音声の作られ方が異なる（IEMOCAPのカテゴリラベルは4つの感情が中心で、RAVDESSの音声は8つを用いる）ため、スコアは同じ行の中では比較できるが、行をまたいだ比較はできない。ParaLBenchの結果も、異なるモデル群で同様の結論に至っている。
2. 自然な条件：Interspeech 2025チャレンジ
Interspeech 2025チャレンジでは、MSP-Podcastコーパスの自発的な音声について、8つの感情（怒り、喜び、悲しみ、恐怖、驚き、軽蔑、嫌悪、中立）を分類し、覚醒度、感情価、支配度を1から7の尺度で予測することが参加チームに求められた。優勝したマクロF1の0.4316は、ベースラインの0.3293を約0.10上回るものである（公式リーダーボードに基づく当社の算出）。これは確かな進歩だが、それでも自然な音声での8択の判定の多くは難しい判断であることを意味する。
次元ベースのタスクでも同様の傾向が見られる。CCC（一致相関係数）は、予測スコアが人間の評価にどれだけ近いかを測る指標である（1は完全な一致を意味する）。上位のシステムは、支配度（話し手がどれだけ状況を掌握しているように聞こえるか）よりも、感情価（声がどれだけ肯定的または否定的に聞こえるか）をはるかによく追跡する。主催者による概要論文は、音声とテキストの基盤モデルを組み合わせたシステムが最も頑健だったと指摘している。
| 指標 | 値 | 出典 |
|---|---|---|
| タスク1（8つの感情クラス）のベースラインのマクロF1 | 0.3293 | MSP Lab、Interspeech 2025 SERチャレンジのリーダーボード |
| タスク1の最高マクロF1（チームNTUA） | 0.4316 | MSP Lab、Interspeech 2025 SERチャレンジのリーダーボード |
| タスク2（覚醒度、感情価、支配度）の平均CCC：ベースライン対最上位システム（チームSAIL） | 0.5797対0.6076 | MSP Lab、Interspeech 2025 SERチャレンジのリーダーボード |
| タスク2の最上位システム：感情価のCCC対支配度のCCC | 0.6829対0.498 | MSP Lab、Interspeech 2025 SERチャレンジのリーダーボード |
| ある参加チームが報告したタスク1の提出数 | 166 | Dutta ら、ABHINAYA、arXiv 2505.18217（2025） |
| 同チームのシステムを締め切り後に主催者が採点した場合のマクロF1 | 44.02% | Dutta ら、ABHINAYA、arXiv 2505.18217（2025） |
| チャレンジの訓練データ：中立サンプル対恐怖サンプル | 中立が約26倍多い | Dutta ら、ABHINAYA、arXiv 2505.18217（2025） |
背景：1位のMEDUSAシステムは14モデルのアンサンブルを使いながら、RTX 3090グラフィックスカード1枚で訓練されており、ここでの上限は計算資源ではなくデータにある。このチャレンジは、不均衡な訓練データと、感情クラス間で均衡の取れたテストセットを組み合わせていた（Dutta ら、ABHINAYA 2025）。そのため、不均衡への対処が上位の提出作品の特徴となった。
3. ラベルの曖昧さ、人間間の一致、コーパス間の転移
第2節の低いスコアは、一部は測定上の問題である。MSP-Podcastの最終版では、発話ターンのほぼ5件に1件（267,905件中48,180件）で、5人以上の評価者の間で主要な感情について相対多数の一致がなかった（Busso ら、MSP-Podcastコーパス 2025）。人々がラベルに合意できないとき、そのラベルに対して採点されるモデルは、その不一致を性能の上限として引き継ぐことになる。
コーパス間の転移は2つ目の弱点である。あるデータセットで訓練したモデルを別のデータセットでテストする（コーパス間テスト）と、新しい話者、マイク、ラベル付けの習慣に直面する。EmoBoxのコーパス間テストでは、各コーパスが4つの感情（怒り、喜び、中立、悲しみ）で均衡の取れた240件のテストクリップを提供するため、ランダムに推測した場合のスコアは約25%となる。最強のモデルであるWhisper large v3の正解率は、12組の訓練・テストの組み合わせにわたって36.44%から66.91%の範囲だった。
| 指標 | 値 | 出典 |
|---|---|---|
| MSP-Podcast 2.0：アノテーション付き音声、発話ターン、話者、ターンあたりの評価者 | 409時間、267,905ターン、話者3,641人、ターンあたり5人以上の評価者 | Busso ら、MSP-Podcastコーパス、arXiv 2025 |
| 主要な感情について相対多数の一致がない発話ターン | 267,905件中48,180件（17.98%、当社の算出） | Busso ら、MSP-Podcastコーパス、arXiv 2025 |
| 主要な感情に関する評価者間一致度（カッパ） | 0.411 | Busso ら、MSP-Podcastコーパス、arXiv 2025 |
| 恐怖とラベル付けされた発話ターン | 267,905件中1,943件（0.73%、当社の算出） | Busso ら、MSP-Podcastコーパス、arXiv 2025 |
| 訓練を受けていない人間の聞き手がRAVDESS音声（音声のみ）で演技された感情を答えた割合（正答率） | 0.63（95%信頼区間 .62〜.64） | Livingstone と Russo、PLOS ONE 2018（入手可能な最新データ） |
| Whisper large v3のコーパス間正解率：IEMOCAPで訓練しRAVDESSでテスト対RAVDESSで訓練しSAVEEでテスト | 38.24%対66.91% | EmoBoxコーパス間リーダーボード、2024 |
| アノテーターに対応づけたモデルの感情価の一致度（CCC）：MSP-Podcastでテスト対IEMOCAPへ転移 | .647対.516 | Tavernor と Mower Provost、arXiv 2509.12295（2025） |
背景：RAVDESSの人間の数値と第1節のモデルのスコアは直接の勝負ではない。聞き手は異なる条件のもとで、8つのラベルに加えて「いずれにも当てはまらない」という選択肢から選んだためである。EmoBoxのコーパス間の数値は公開リーダーボードにあり、RAVDESSの検証データはZenodoのレコードに記載されている。
4. 音声によるうつ病・不安の検出精度
臨床用の音声モデルは、通常、個別の感情を分類しない。その代わり、PHQ-9（うつ病）やGAD-7（不安）などの質問票での本人のスコアが閾値を超えるかどうかを予測する。16件の深層学習研究を統合すると、音声に基づくうつ病検出の感度は0.83、特異度は0.86に達した（Lu ら、BMC Psychiatry 2025）。以下の最大の単独研究はこれより低い数値を報告しており、多数の小規模サンプルから得た統合平均は実態をよく見せてしまいかねないことを思い起こさせる。
この研究では、米国とカナダの成人14,898人から少なくとも25秒の自由発話を収集し、4,456件の検証セットで感度71.3%（95%信頼区間 69.0〜73.5）、特異度73.5%（95%信頼区間 71.5〜75.5）を報告した（Mazur ら、Annals of Family Medicine 2025）。この研究は開発者に付与されたNSFの助成金で資金提供されており、著者のうち3人はその企業の従業員である。不安のモデルははるかに研究が少なく、妊娠中の研究は、患者本人の発話だけを残すと、それらがいかに脆いかを示している。
| 指標 | 値 | 出典 |
|---|---|---|
| うつ病に対する深層学習の音声モデル：統合感度／特異度（16件の研究） | 0.83（95%信頼区間 0.77〜0.88）／0.86（95%信頼区間 0.80〜0.90） | Lu ら、BMC Psychiatry 2025 |
| 統合AUC：深層学習対従来の機械学習 | 0.91対0.89 | Lu ら、BMC Psychiatry 2025 |
| 音声ツール対PHQ-9スコア10以上（成人14,898人の研究、うち検証4,456人）：感度／特異度 | 71.3%／73.5% | Mazur ら、Annals of Family Medicine 2025 |
| はい／いいえの結果ではなく「さらなる評価を推奨」として返された検証サンプル | 4,456件中920件（約20%） | Mazur ら、Annals of Family Medicine 2025 |
| 一般人口のフランス人成人（865人）：うつ病（PHQ-9）と不安（GAD-7）のAUC | 0.76と0.77 | Riad ら、Journal of Medical Internet Research 2024 |
| 同じ研究：PHQ-9とGAD-7のリスクに関するF1スコア | 0.49と0.50 | Riad ら、Journal of Medical Internet Research 2024 |
| 妊娠研究（女性146人）：GADモデルのF1、面接全体対検証済みの患者本人の発話のみ | 76%〜80%対51%〜65% | Bayrampour ら、Journal of Clinical Psychiatry 2026 |
| うつ病と対照群での声の高さ（基本周波数）、6件の研究を統合 | 1.82 Hz低い、p = 0.56（有意ではない） | Cantor-Cutiva ら、Depression and Anxiety 2026 |
背景：BMC Psychiatryの分析では、深層学習と従来モデルの間のAUCの差は統計的に有意ではなかった。また、JMIRの不安とうつ病の研究は、サンプル中で閾値を超える人が少ない場合、まずまずのAUCでもF1は控えめなままになりうることを示している。疾患のスクリーニングではなく音声日記を記録する消費者向けアプリについては、AI音声ジャーナリングとセラピーアプリに関するまとめをご覧ください。
5. エビデンスの空白：検証、公平性、臨床的準備度
第4節の精度の数字は、主に訓練データに似たデータで試験されたモデルから得られたものである。2026年のスコーピングレビューでは、音声・発話によるメンタルヘルス研究68件のうち、独立またはデータセット間のサンプルでモデルを検証したのは2件（3%）にすぎなかった（Uy ら、Frontiers in Digital Health 2026）。コーパス間で精度が大きく低下する第3節とあわせて読むと、これが見出しの精度の数字を割り引いて考えるべき最大の理由である。
公平性はもう一つの未解決の問題である。14,898人のうつ病研究では、男性の感度は女性より14.7パーセントポイント低く（59.3%対74.0%）、見逃された症例では男性が過剰に含まれていた（偽陰性の31.7%対検証セットの27.9%）。音声技術には、話者グループ間で性能にばらつきがあるという長い実績があり、音声認識におけるアクセントのバイアスに関する当社のまとめでも記録している。
| 指標 | 値 | 出典 |
|---|---|---|
| 独立またはデータセット間の検証を行った音声によるメンタルヘルス研究 | 68件中2件（3%） | Uy ら、Frontiers in Digital Health 2026 |
| 同じレビューでうつ病を対象とした研究 | 68件中56件（82%） | Uy ら、Frontiers in Digital Health 2026 |
| 発話を受動的に収集した研究（環境録音） | 68件中3件（4%） | Uy ら、Frontiers in Digital Health 2026 |
| 外部検証／実世界での検証があった音声スクリーニングのデータセット評価 | 32%／8%（37件の評価のうち） | Muntean-Codrea ら、Life 2026 |
| 臨床的準備度が高いと評価されたデータセット評価 | 11% | Muntean-Codrea ら、Life 2026 |
| 不安を扱った採用研究（34件のうち） | 1 | Muntean-Codrea ら、Life 2026 |
| ステークホルダーによるヒューマン・イン・ザ・ループ評価を行った臨床用音声AIの説明可能性研究 | 30件中0件 | Ebraheem ら、Journal of Medical Internet Research 2026 |
| うつ病の音声ツールの感度：男性対女性 | 59.3%対74.0% | Mazur ら、Annals of Family Medicine 2025 |
背景：Lifeのレビューは、臨床的準備度の5つの指標のすべてを満たした評価はなかったと述べている（Muntean-Codrea ら、Life 2026）。JMIRの説明可能性レビューでは、30件の研究のうち6件が、説明を確認するために外部データを使っていたことがわかった。
6. メンタルヘルスにおけるテレセラピーの利用
遠隔医療は、セッションの音声がすでにソフトウェアを通過しているため、音声分析が最も実行されやすい場である。2025年には、過去1年間に大うつ病エピソードがあった米国の成人の44.7%、つまり8.8百万人が、遠隔医療でメンタルヘルス治療を受けた（SAMHSA、2025 NSDUH Annual National Report）。人口全体での利用は、2024年の成人の12.8%から2025年の12.3%へとわずかに減少しており、テレセラピーはパンデミック期の急増ではなく、安定したチャネルに落ち着いたことがうかがえる。
請求データも、支払者側から同じ姿を示している。メンタルヘルスはあらゆる年齢層で遠隔医療の診断カテゴリの首位であり、心理療法は遠隔医療の処置カテゴリで2番目に多い（FAIR Health、Quarterly Telehealth Regional Tracker 2026年1月〜3月）。心理士の間では、完全リモートでの診療は2020年の64%から2023年には21%に低下し、67%がハイブリッドで働いている（APA、Practitioner Surveyインフォグラフィック 2023、この内訳で入手可能な最新データ）。
| 指標 | 値 | 出典 |
|---|---|---|
| 遠隔医療でメンタルヘルス治療を受けた米国の成人、2025年 | 12.3%（32.6百万人） | SAMHSA、2025 NSDUH Annual National Report |
| 遠隔医療でメンタルヘルス治療を受けた米国の成人、2024年 | 12.8%（33.4百万人） | SAMHSA、2024 NSDUH Annual National Report |
| 何らかの精神疾患があり遠隔医療で治療を受けた成人、2025年 | 32.8%（54.6百万人のうち17.9百万人） | SAMHSA、2025 NSDUH Annual National Report |
| メンタルヘルスの診断がある遠隔医療患者（民間保険加入者）、2026年第1四半期 | 52.1% | FAIR Health、Quarterly Telehealth Regional Tracker 2026 |
| 同じ指標、19〜30歳の患者対65歳以上の患者 | 69.4%対22.0% | FAIR Health、Quarterly Telehealth Regional Tracker 2026 |
| 心理療法サービスを請求された遠隔医療患者 | 35.0% | FAIR Health、Quarterly Telehealth Regional Tracker 2026 |
| 遠隔医療の請求が1件でもある民間保険加入患者：都市部対地方 | 18.6%対10.3% | FAIR Health、Quarterly Telehealth Regional Tracker 2026 |
| ビデオによる心理療法対対面の心理療法、ランダム化比較試験12件（900人）：症状軽減のHedges g | -0.09（95%信頼区間 -0.52〜0.33）、有意差なし | JMIR 2026の系統的レビューおよびマルチレベルメタ分析 |
背景：別の連邦調査であるNHISでは、2024年に米国の成人の14.0%がメンタルヘルスの専門家からカウンセリングまたは心理療法を受けており、18〜29歳の成人では20.2%に上ることがわかった（CDC NCHS Data Brief No. 564）。ビデオ心理療法の結果は、2026年のJMIRメタ分析によるものである。予定されたセッションではなく危機対応ホットラインについては、988 Suicide and Crisis Lifelineの通話件数のまとめをご覧ください。
7. 規制、倫理、臨床医の姿勢
感情認識は、EUが特定の場面で全面的に禁止した数少ないAIの用途の一つである。EUのAI規則第5条1項(f)は、医療または安全上の理由による例外を除き、職場および教育機関で自然人の感情を推定するAIシステムを禁止しており、この禁止は2025年2月2日から適用されている（規則（EU）2024/1689）。これらの場面以外では、感情認識システムは高リスクとして列挙されており、それを導入する者は、システムにさらされる人々に通知しなければならない。規則の前文は、感情を幸福、悲しみ、怒り、驚き、嫌悪などの状態と定義し、痛みや疲労といった身体的状態は除外している。
米国では、規制は感情の検出ではなくAIセラピーを対象としている。イリノイ州は2025年8月4日に「Wellness and Oversight for Psychological Resources Act」に署名し、AIによる治療上の意思決定を禁じる一方で、事務面の支援は認めた（イリノイ州IDFPRのプレスリリース 2025）。臨床医はAIを急速に採り入れているが、プライバシーとバイアスについては明確な懸念を抱いている（APA、2025 Practitioner Pulse Survey）。
| 指標 | 値 | 出典 |
|---|---|---|
| EUによる職場・教育現場での感情推定の禁止が適用される日 | 2025年2月2日 | 規則（EU）2024/1689、第5条および第113条 |
| 禁止されるAIの慣行に対する上限の制裁金 | EUR 35,000,000または全世界の年間総売上高の7%のいずれか高い方 | 規則（EU）2024/1689、第99条 |
| AI規則の一般適用日（感情認識は附属書IIIで高リスクとして列挙） | 2026年8月2日 | 規則（EU）2024/1689、第113条および附属書III |
| イリノイ州のAIセラピー法における確認された違反1件あたりの制裁金 | 最大$10,000 | イリノイ州IDFPRのプレスリリース、2025年8月 |
| 診療でAIを一度も使ったことがない米国の心理士：2024年対2025年 | 71%対44% | APA、2025 Practitioner Pulse Survey |
| 少なくとも月1回AIを使用する心理士：2024年対2025年 | 11%対29% | APA、2025 Practitioner Pulse Survey |
| AIに関する懸念として、データ漏えいの可能性／偏った入力と出力を挙げた心理士、2025年 | 67%／63% | APA、2025 Practitioner Pulse Survey |
| 新規患者の受け入れ枠がない心理士／待機リストがある心理士、2025年 | 46%／40% | APA、2025 Practitioner Pulse Survey |
背景：イリノイ州法は両院で全会一致で可決された。APAの調査は、配信された招待26,502件のうち回答者1,742人で、完了率は6.6%であるため、年ごとの小さな変化は慎重に解釈する必要がある。
数字で見る音声感情認識とテレセラピー（まとめ）
| 指標 | 値 | 出典 |
|---|---|---|
| 自然な音声での8クラスの最高マクロF1（ベースライン対比） | 0.4316（対0.3293） | MSP Lab、Interspeech 2025 SERチャレンジのリーダーボード |
| 覚醒度、感情価、支配度の最高の平均CCC | 0.6076 | MSP Lab、Interspeech 2025 SERチャレンジのリーダーボード |
| RAVDESS（演技）対MSP-Podcast（自然）での最高UA | 75.32%対22.24% | EmoBox（Ma ら）、Interspeech 2024 |
| 主要な感情について評価者間の一致がないMSP-Podcastのターン | 267,905件の17.98% | Busso ら、MSP-Podcastコーパス、arXiv 2025 |
| 主要な感情に関する評価者間一致度（カッパ） | 0.411 | Busso ら、MSP-Podcastコーパス、arXiv 2025 |
| チャレンジの訓練データでの中立対恐怖のサンプル | 中立が約26倍多い | Dutta ら、ABHINAYA、arXiv 2025 |
| RAVDESS音声での人間の聞き手（正答率） | 0.63 | Livingstone と Russo、PLOS ONE 2018 |
| 深層学習によるうつ病検出：統合感度／特異度 | 0.83／0.86 | Lu ら、BMC Psychiatry 2025 |
| うつ病の深層学習モデルの統合AUC | 0.91 | Lu ら、BMC Psychiatry 2025 |
| 音声ツール（成人14,898人の研究）：感度／特異度 | 71.3%／73.5% | Mazur ら、Annals of Family Medicine 2025 |
| 音声ツールの感度：男性対女性 | 59.3%対74.0% | Mazur ら、Annals of Family Medicine 2025 |
| 音声からの不安（GAD-7）のAUC、成人865人 | 0.77 | Riad ら、Journal of Medical Internet Research 2024 |
| 独立した検証を行った音声によるメンタルヘルス研究 | 68件中2件（3%） | Uy ら、Frontiers in Digital Health 2026 |
| 臨床的準備度が高いと評価されたデータセット評価 | 11% | Muntean-Codrea ら、Life 2026 |
| 遠隔医療でメンタルヘルス治療を受けた米国の成人、2025年 | 12.3%（32.6百万人） | SAMHSA、2025 NSDUH Annual National Report |
| 過去1年間に大うつ病エピソードがあり遠隔医療で治療を受けた成人、2025年 | 44.7%（8.8百万人） | SAMHSA、2025 NSDUH Annual National Report |
| メンタルヘルスの診断がある遠隔医療患者、2026年第1四半期 | 52.1% | FAIR Health、Quarterly Telehealth Regional Tracker 2026 |
| EUによる職場・教育現場での感情推定の禁止の適用開始日 | 2025年2月2日 | 規則（EU）2024/1689 |
| 少なくとも月1回AIを使用する心理士、2025年 | 29% | APA、2025 Practitioner Pulse Survey |
方法論と出典
- EmoBox: Multilingual Multi-corpus Speech Emotion Recognition Toolkit and Benchmark（Ma ら、Interspeech 2024）とそのコーパス間リーダーボード：コーパス内およびコーパス間の精度。
- ParaLBench: A Large-Scale Benchmark for Computational Paralinguistics over Acoustic Foundation Models（arXiv 2024）：基盤モデル14種のIEMOCAPの結果。
- USC SAIL Lab、IEMOCAPデータベース：コーパスの規模。
- MSP Lab、Interspeech 2025 Challenge on Speech Emotion Recognition in Naturalistic Conditions：ベースラインとリーダーボード。主催者による概要はNaini ら、Proc. Interspeech 2025。
- Dutta ら、ABHINAYA（arXiv 2505.18217、2025）とMEDUSA（arXiv 2506.09556、2025）：参加システムの論文。
- Busso ら、The MSP-Podcast Corpus（arXiv 2509.09791、2025）：コーパスの規模、評価者間一致、ラベル分布。
- Tavernor と Mower Provost、コーパス間SERのためのアノテーターのモデル化（arXiv 2509.12295、2025）。
- Livingstone と Russo、RAVDESS、PLOS ONE 2018とRAVDESS Zenodoレコード。
- Lu ら、BMC Psychiatry 2025；Mazur ら、Annals of Family Medicine 2025；Riad ら、Journal of Medical Internet Research 2024；Bayrampour ら、Journal of Clinical Psychiatry 2026；Cantor-Cutiva ら、Depression and Anxiety 2026。
- Uy ら、Frontiers in Digital Health 2026；Muntean-Codrea ら、Life 2026；Ebraheem ら、Journal of Medical Internet Research 2026。
- SAMHSA、2025 NSDUH Annual National Reportと2024 NSDUH Annual National Report。
- FAIR Health、Quarterly Telehealth Regional Tracker、2026年1月〜3月、米国。
- CDC NCHS Data Brief No. 564, Mental Health Treatment Among Adults: United States, 2024。
- ビデオによる心理療法と対面の心理療法のメタ分析、Journal of Medical Internet Research 2026。
- APA、2025 Practitioner Pulse SurveyとAPAの遠隔医療の実施場所に関するインフォグラフィック 2020〜2023年。
- 規則（EU）2024/1689（EU AI規則）、官報掲載のテキスト：第3条(39)、第5条1項(f)、第50条3項、第99条3項、第113条、附属書III第1項(c)、前文第18項。
- イリノイ州IDFPRのHB1806に関するプレスリリース、2025年8月4日。
- データウォッチ：ベンチマークのスコアは、ラベルセット、クラスのバランス、指標が異なるため、コーパス間で比較できない（UA、WA、マクロF1、CCCは異なるものを測っている）。ABHINAYAの要旨は166件の提出中4位と報告しているが、44.02%というスコアは締め切り後に主催者が算出したもので、公式の順位ではない。MSP-Podcastの論文は本文で中立がターンの約28%と記しているが、表の件数（267,905件中79,117件）からは29.53%となり、また本文では409時間、ある表では407時間となっている。「当社の算出」と記した割合は表の件数から計算した。うつ病の音声ツールの研究は、開発者への助成金で資金提供されており、著者に企業の従業員3人が含まれる。Riad らのデータは2024年、RAVDESSの人間による評価は2018年のものであり、それぞれの指標で入手可能な最新のものである。NSDUH（何らかの治療、自己申告）とNHIS（専門家によるカウンセリングまたは心理療法）は異なるものを測っているため、その割合を直接比較すべきではない。FAIR Healthは民間保険加入患者のみを対象とし、2026年に月次トラッカーを四半期トラッカーに置き換えたため、古い月次の数値とは直接比較できない。APAの調査は完了率が低かった（2025年は6.6%）。EUのAI規則の日付は規則（EU）2024/1689の官報のテキストから引用しており、そのスケジュールに後から修正があった場合は、現行の統合版で確認する必要がある。
最終更新日：2026年10月25日。当社はこのまとめを四半期ごとに更新しており、次回の更新は、FAIR Healthが次回のQuarterly Telehealth Regional Trackerを公表し、MSP Labが次回の音声感情認識チャレンジの結果を掲載した時期を予定している。